Online Special Software Das Ass im Ärmel

Montag, 27. November 2017
Mit Textanalyse-Software offene Textfragen schneller verarbeiten
Mit Textanalyse-Software offene Textfragen schneller verarbeiten
© Pixabay.com

Offene Textfragen sind sowohl in der Markt- als auch in der Mitarbeiterforschung ein umstrittenes Instrument. Während die einen eine Möglichkeit sehen, ungefiltertes Feedback von Mitarbeitern oder Kunden zu erhalten, steht für die anderen der enorme Aufwand bei der Auswertung im Vordergrund. Thomas Maußner von Rogator zeigt, wie mit Textanalyse-Software offene Textfragen zum Ass im Ärmel werden.
Das ungefilterte Feedback, welches Kunden und Mitarbeiter in Antworten auf offene Textfragen abgeben, kann unentdeckte Potenziale und Problemfelder aufdecken. Offene Textfragen sollten daher in keinem Fall vermieden werden, nur weil der Auswertungsaufwand abschreckend wirkt. Mit einer Textanalysesoftware wie RogTCS kann eine objektive und qualitativ hochwertige Auswertung von offenen Textfragen in kurzer Zeit erfolgen. Ein großer Teil der technischen Lösungen, die es bereits seit einiger Zeit gibt, arbeiten deduktiv. Hier werden die Kommentare, die in der offenen Frage genannt werden, auf Basis von Modellen, die zuvor angelegt wurden, geclustert. Dies erfordert jedoch ein ausgeprägtes Expertenwissen und überraschende neue Äußerungen der Probanden können unter Umständen übersehen werden. Effiziente Auswertung offener Textfragen

Demgegenüber steht ein induktives Verfahren. Textantworten müssen dafür im Vorfeld nicht für die Analyse vorbereitet werden. Es entfällt das Anlegen von Wörterbüchern. Die Texte können direkt verarbeitet und innerhalb weniger Augenblicke ausgewertet werden. Technisch abgebildet wurde dieses Verfahren in der Textanalysesoftware RogTCS.

TCS steht für „Text, Cluster, Sentiment“ und verrät die Funktionsweise. Die Software, die durch ein Expertenteam aus erfahrenen Marktforschern und Computerlinguisten der Friedrich-Alexander-Universität Erlangen-Nürnberg entstand, analysiert das Textmaterial. Es entstehen Themencluster, in denen auch Empfindungen der Nutzer (Sentimente) erkennbar sind. Zur Veranschaulichung werden diese abschließend in einer Semantic Map grafisch dargestellt.

Thomas Maußner

Thomas Maußner von Rogator
(© Rogator)
ist Sales Manager bei Rogator und zuständig für den Bereich Software.
Das Entwicklerteam wollte eine Software programmieren, die eine effiziente Auswertung von offenen Textfragen ermöglicht, ohne Qualitätsverluste im Vergleich zu einer händischen Auswertung und Codierung hinnehmen zu müssen. Der automatisierte Analyseprozess gliedert sich in mehrere Schritte:
  • Tokenisierung: Bevor eine Textmenge analysiert und verarbeitet werden kann, muss diese in ihre linguistischen Einheiten – also: Sätze, Phrasen, Wörter, Absätze – untergliedert werden. Diese linguistischen Einheiten werden auch Tokens genannt. Auf diese Weise wird jedes Wort eines Textes erfasst.
  • Lemmatisierung: Basierend auf einer morphologischen Analyse werden Wörter in ihre Grundform zurückgeführt. Aus „gibt“ wird das Wort „geben“.
  • Part-of-speech Tagging: Wortarten werden automatisch erkannt und Sätze sowie Absätze entsprechend untergliedert.
  • Sentiment-Analyse: Die Software soll Polaritäten von Äußerungen erkennen. Das bedeutet, dass sie Wörter als positiv und negativ erkennen kann. Auch Emoticons sollen zuordenbar sein. Beispiel: Wörter wie schön, hübsch, bezaubernd werden als positive Äußerungen erkannt, während hässlich, unattraktiv, abstoßend als negative Äußerungen gewertet werden.
  • Synonyme: Um die Auswertung der Software zu verfeinern, können Synonyme hinterlegt werden.
Computerlinguistische Textanalyse im Einsatz

Nachdem die Daten im gängigen CSV-Format importiert wurden, werden sie automatisiert analysiert und das Textmaterial der computerlinguistischen Vorverarbeitung unterzogen. Die Software fasst inhaltlich ähnliche Nennungen zu Themen-Clustern zusammen, für die charakteristische Begriffe vergeben werden. Ob eine Ähnlichkeit der Themen vorliegt, wird automatisch erkannt. Ebenfalls vollautomatisch erfolgt die Erkennung von positiven, neutralen oder negativen Bewertungen. Auf einer Semantic Map werden schließlich die Themen in Kreisen dargestellt, deren Größe, Farbe und Nähe zueinander stellvertretend sind für Häufigkeit und Polarität der Nennungen und Zusammenhänge der Themen.
Programmierung
© Pixabay.com

Mehr zum Thema

Online Special Software Unverzichtbare Basis

Die computerlinguistisch gestützte Textanalyse hat viele Vorteile, doch auch ein noch so ausgeklügeltes Textanalysetool stößt an seine Grenzen. Spätestens bei ironischen Äußerungen oder zweideutigen Aussagen, wird die händische Auswertung durch eine reale Person der computerlinguistischen Variante überlegen sein. Es gilt deshalb vorab eine Erwartungshaltung abzufragen. Möchte man die Vorarbeit und den Auswertungsaufwand so gering wie möglich halten, dann ist eine Textanalysesoftware in jedem Fall sinnvoll. Sie garantiert eine objektive und qualitativ hochwertige Auswertung von offenen Textfragen innerhalb kürzester Zeit und kann Wettbewerbsvorteile aufdecken.

Erschienen in planung&analyse 5/2017
Jetzt suchen >>
stats